运动目标检测跟踪各过程算法综述

图像预处理 数字图像中的几种典型噪声有：高斯噪声来源于电子电路噪声和低照明度或高温带来的传感器噪声；椒盐噪声类似于随机分布在图像上的胡椒和盐粉微粒，主要由图像切割引起或变换域引起的误差；加性噪声是图像在传输中引进的信道噪声。 一般来说，引入的都是加性随机噪声，可以采用均值滤波、中值滤波、高斯滤波等方法去除噪声，提高信噪比。均值滤波在噪声分布较平均，且峰值不是很高的情况下能够得到较好的应用；中值滤波对尖脉冲噪声的滤除有较好的效果，并且能突出图像的边缘和细节；高斯滤波对滤除高斯白噪声有较好的效果。 运动目标检测 背景差分法：能完整、快速地分割出运动对象。不足之处易受光线变化的影响，背景的更新是关键。不适用摄像头运动的情况。 光流法：能检测独立运动的对象，可用于摄像头运动的情况，但计算复杂耗时，很难实时检测。 帧差法：受光线变化影响较小，简单快速，但不能分割出完整的运动对象，需进一步运用目标分割算法。还有一些改进的算法，主要致力于减少光照影响和检测慢速物体变化。 图像标识 图像标识的作用是确定物体是否独立，图像中有几个运动目标。 1）领域：常取周围的4或8个像素作为领域。 2）连通域：二值图像中互相连通的0像素集或1像素集称之为连通域。被1像素包围的0像素叫做孔。1像素连通域不含孔时